聚类分析是当前数据挖掘领域中一个研究热点，已经被广泛应用于搜索引擎、科学数据探测、信息过滤、Web分析、图像处理等领域。谱聚类算法作为一种新颖的聚类分析算法，与传统的聚类方法相比，该方法不仅可以处理复杂的数据类型，将聚类问题转换为代数问题进行求解；而且它简单易实现，可以在任意形状簇的样本空间上进行聚类，具有辨别非凸组合的能力并能在全局上获取最优解。然而，谱聚类算法也存在一些不足。谱聚类中的相似矩阵一般建立在向量空间模型之上，该模型忽略了词的同义、多义的问题，造成了信息的大量冗余；此外，谱聚类对高斯函数中的尺度参数十分敏感，使得谱聚类的性能很不稳定。为了解决上述问题，本文首先用概率潜在语义分析方法提取潜藏语义信息，以弥补向量空间模型中缺乏语义信息描述的缺陷；然后，利用夹角余弦计算相似度的方法构造相似矩阵，以消除尺度参数对谱聚类的影响。最后，将改进后的方法运用到文本谱聚类上。在此过程中，本文主要研究工作如下：①分析了当前向量空间模型中存在的不足：一是该模型忽略了词语之间存在的多义性和同义性的问题，造成了特征冗余；二是由于文本特征项的高维性，在对文本数据的处理时就需要消耗大量时间；针对这些问题，提出结合概率潜在语义分析的谱聚类算法。②研究了谱聚类算法的有关背景理论知识和方法，并总结了谱聚类算法的一般处理过程，深入分析了谱聚类中相似矩阵的构造问题。③传统谱聚类算法中相似度的计算采用的是高斯函数，该方法需要根据经验人为初始化尺度参数，使得该函数具有一定的局限性，影响谱聚类的性能。本文没有专门研究对尺度参数的优化，而是用夹角余弦方法计算文本之间的相似度，来避免尺度参数人为选择引起的不足，提高谱聚类的性能。最后，在重新构造的相似矩阵上进行文本谱聚类，并进行实验分析，采用聚类准确度和互信息指标评价实验结果，在该评价指标上，本文提出的在语义空间上采用夹角余弦计算文本之间相似度的方法相比于原来的方法，得到的谱聚类效果更好、性能更稳定。结果表明本文提出的改进方法是可行性的。